Badanie zjawisk społecznych i ekonomicznych jest zadaniem trudnym, które wymaga zaangażowania aparatu analitycznego z zakresu szeroko pojętych metod ilościowych przy jednoczesnej gruntownej znajomości materii badawczej. Przyczyną wydaje się być złożoność życia społeczno-gospodarczego, podlegającego jednocześnie procesowi dynamicznych zmian w czasie i przestrzeni, dostarczającego przy tym coraz większej ilości materiału empirycznego. Postawienie przez analityka prawidłowej diagnozy procesów oraz zdarzeń wymaga uwzględnienia wielu przesłanek merytorycznych, przy tym, nie jest wolne od kategorycznych sądów o charakterze wartościującym. Takie ujęcie problemu musi rodzić spory i kontrowersje z jednej strony, z drugiej natomiast pozwala na wieloaspektowe ukazanie rzeczywistości ekonomicznej. Dodatkowo sprawa się komplikuje, jeżeli postawimy przed badaczem zadanie sformułowania sądu odnoszącego się do przyszłości. W tym kontekście, szczególnego znaczenia nabiera przygotowanie przyszłych specjalistów z zakresu ekonomii i zarządzania do pełnienia różnych funkcji zawodowych w dynamicznie rozwijających się strukturach gospodarczych i administracyjnych.
W opinii autorów niniejszego opracowania istotnym elementem kształcenia na poziomie wyższych studiów ekonomicznych jest nabycie umiejętności analizy danych. Czytelnik bez większego problemu znajdzie na rynku wiele przydatnych podręczników ułatwiających studiowanie statystyki, ekonometrii oraz prognozowania i symulacji. Trudniej zaś o pomoce naukowe do ćwiczeń i laboratoriów. Wobec tego autorzy postawili sobie za cel przygotowanie skryptu ułatwiającego analizę danych za pomocą technik komputerowych.
Spis treści:
Od autorów
1. Pojęcie prognozowania i modelowania
1.1. Wprowadzenie
1.2. Prognozowanie i symulacje
1.3. Klasyfikacje prognoz
1.4. Klasyfikacja metod prognozowania
1.5. Etapy prognozowania
1.6. Skuteczność prognoz
2. Tworzenie bazy danych
2.1. Podstawowe pojęcia
2.2. Konstrukcja arkusza danych
2.3. Przekształcenia baz danych
2.3.1. Wprowadzenie
2.3.2. Przekodowywanie zmiennych
2.3.3. Formuły arkusza danych
2.3.4. Wybór przypadków
2.3.5. Wykorzystanie języka Visual Basic do przekształcenia danych
2.4. Internet jako źródło pozyskiwania danych statystycznych
2.5. Sprawdzanie poprawności danych
2.6. Lista przykładowych zbiorów danych
3. Metody prezentacji danych
3.1. Podstawowe cele prezentacji danych statystycznych
3.2. Grupowanie danych
3.3. Statystyki opisowe
3.4. Jednoczesna prezentacja wartości dwóch zmiennych
3.5. Wykresy w programie STATISTICA
3.5.1. Wprowadzenie
3.5.2. Wykresy kołowe
3.5.3. Histogramy
3.5.4. Wykresy słupkowe i warstwowe
3.5.5. Wykresy liniowe
3.5.6. Wykresy rozrzutu
3.5.7. Wykresy ramkowe
3.5.8. Przykłady złożonych prezentacji graficznych
3.6. Edycja tabel i wykresów
Problemy do samodzielnego rozwiązania
4. Wnioskowanie statystyczne
4.1. Co to jest wnioskowanie statystyczne?
4.2. Zasady testowania hipotez statystycznych z pakietem STATISTICA
4.3. Uwagi końcowe
5. Analizy wielowymiarowe
5.1. Zasadność stosowania metod wielowymiarowych
5.2. Analiza regresji
5.2.1. Cel analizy regresji
5.2.2. Zmienne w modelu regresji
5.2.3. Czy modele muszą mieć postać liniową?
5.2.4. Etapy konstruowania modeli regresji
5.2.5. Poszukiwanie optymalnego modelu
5.2.6. Interpretacja wyników modelu regresji
5.2.7. Prognozowanie na podstawie modeli regresji
5.3. Modele nieliniowe
5.3.1. Wprowadzenie
5.3.2. Modele nieliniowe w programie STATISTICA
5.3.3. Weryfikacja modelu nieliniowego - uwagi końcowe
5.3.4. Pojęcie funkcji straty
5.3.5. Wyniki estymacji nieliniowej
5.4. Analiza wariancji kowariancji
5.4.1. Wieloczynnikowa analiza wariancji
5.4.2. Analiza kowariancji (ANCOVA)
5.5. Analiza logarytmiczno-liniowa
5.6. Wybrane elementy taksonomii
5.6.1. Podstawowe informacje
5.6.2. Przykładowe wyniki analiz taksonomicznych
5.6.3. Idea grupowania danych metodami hierarchicznymi
5.6.4. Miary odległości
5.6.5. Sposób wiązania
5.6.6. Standaryzacja zmiennych
5.6.7. Porządkowanie liniowe a grupowanie
6. Prognozowanie na podstawie szeregów czasowych
6.1. Szeregi czasowe
6.1.1. Wprowadzenie
6.1.2. Specyfika analizy szeregów czasowych
6.1.3. Sposób doboru optymalnej postaci modelu
6.1.4. Miary błędu prognozy
6.1.5. Metody prognozowania
6.2. Metody adaptacyjne
6.2.1. Metoda naiwna
6.2.2. Metoda średniej ruchomej
6.2.3. Idea wyrównywania wykładniczego
6.2.4. Złożone modele wyrównywania wykładniczego
6.3. Modele autoregresji (ARIMA)
6.3.1. Wprowadzenie
6.3.2. Typologia modeli ARIMA
6.3.3. Modele ARIMA w programie STATISTICA
6.3.4. Modele ARIMA z interwencją
6.4. Podsumowanie
7. Analiza finansowych szeregów czasowych
7.1. Wprowadzenie
7.2. Analiza techniczna
7.2.1. Omówienie wybranych procedur
7.2.2. Analiza techniczna a analiza fundamentalna
7.2.3. Oprogramowanie do analizy technicznej
7.3. Statystyczne metody analizy instrumentów finansowych
7.3.1. Wykresy
7.3.2. Teoria Dowa
7.3.3. Średnie
7.3.4. Metoda MACD
7.3.5. Wstęga średnich ruchomych
7.3.6. Oscylatory
7.3.7. Analiza korelacji i regresji
7.4. Podstawowe zasady budowy systemu transakcyjnego (inwestycyjnego)
7.4.1. Wprowadzenie
7.4.2. Miary skuteczności systemu
7.4.3. Tworzenie systemu transakcyjnego w pakiecie MetaStock
7.4.4. Zasady testowania koncepcji inwestycyjnych
7.5. Przykład systemu transakcyjnego
8. Analiza decyzyjna w zarządzaniu służbą zdrowia
8.1. Problemy decyzyjne w medycynie
8.1.1. Wprowadzenie
8.1.2. Konieczność tworzenia modeli decyzyjnych
8.1.3. Drzewa decyzyjne
8.2. Przykład problemu farmakoekonomicznego
8.2.1. Konstrukcja drzewa decyzyjnego
8.2.2. Analiza wrażliwości
8.2.3. Analiza koszty-efektywność
8.3. Złożone modele decyzyjne
8.3.1. Model Markowa
8.3.2. Przykład konstrukcji modelu Markowa
8.3.3. Modelowanie kosztów i efektóww szczepień przeciwko ospie wietrznej
Literatura
Załącznik nr 1. Wykaz ważniejszych testów statystycznych
Załącznik nr 2. Wybrane strony internetowe zawierające dane statystyczne
